관계형 함수

Rank()는 표현식의 차트 행을 평가하고 각 행에 대해 표현식에서 평가된 차원 값의 상대적 위치를 표시합니다. 이 함수는 표현식을 평가할 때 결과를 현재 열 세그먼트가 포함된 다른 행의 결과와 비교한 다음 세그먼트 내 현재 행의 순위를 반환합니다.

rank([TOTAL [<fld {, fld}>]] expr[, mode[, fmt]])

HRank()는 표현식을 평가하고 결과를 피벗 테이블의 현재 행 세그먼트가 포함된 다른 열의 결과와 비교합니다. 그런 다음 이 함수는 세그먼트 내에서 현재 열의 순위를 반환합니다.

HRank([TOTAL] expr[, mode[, fmt]])

KMeans2D()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 클러스터 ID를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1 및 coordinate_2에 의해 각각 결정됩니다. 둘 다 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다. 데이터는 선택적으로 표준 매개 변수로 정규화할 수 있습니다.

Kmeans2D(num_clusters, coordinate_1, coordinate_2 [, norm])

KMeansND()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 클러스터 ID를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1, coordinate_2 등(최대 n열)에 의해 결정됩니다. 모두 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다.

KmeansND(num_clusters, num_iter, coordinate_1, coordinate_2 [,coordinate_3 [, ...]])

KMeansCentroid2D()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 원하는 좌표를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1 및 coordinate_2에 의해 각각 결정됩니다. 둘 다 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다. 데이터는 선택적으로 표준 매개 변수로 정규화할 수 있습니다.

KmeansCentroid2D(num_clusters, coordinate_no, coordinate_1, coordinate_2 [, norm])

KMeansCentroidND()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 원하는 좌표를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1, coordinate_2 등(최대 n열)에 의해 결정됩니다. 모두 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다.

KmeansCentroidND(num_clusters, num_iter, coordinate_no, coordinate_1, coordinate_2 [,coordinate_3 [, ...]])

STL_Trend는 시계열 분해 함수입니다. STL_Seasonal 및 STL_Residual과 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. STL_Trend 함수는 시계열 데이터에서 계절성 패턴이나 주기와 관계없이 일반적인 추세를 식별합니다.

stl_trend(target_measure, period_int [,seasonal_smoother [,trend_smoother]])

STL_Seasonal은 시계열 분해 함수입니다. STL_Trend 및 STL_Residual과 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. STL_Seasonal 함수는 시계열 내에서 계절성 패턴을 식별하여 데이터에 표시되는 일반적인 추세와 구분할 수 있습니다.

stl_seasonal(target_measure, period_int [,seasonal_smoother [,trend_smoother]])

STL_Residual은 시계열 분해 함수입니다. STL_Seasonal 및 STL_Trend와 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. 이 작업을 수행할 때 입력 메트릭의 변동 중 일부는 계절성 구성 요소나 추세 구성 요소에 맞지 않으며 잔여 구성 요소로 정의됩니다. STL_Residual 차트 함수는 계산의 이 부분을 캡처합니다.

stl_residual(target_measure, period_int [,seasonal_smoother [,trend_smoother]])